123,123,123

內(nèi)容簡(jiǎn)介

　　《基于矩陣分解的信息融合方法及應(yīng)用》共7章，大體可分為3個(gè)部分：第一部分包括第1章和第2章，介紹了信息融合的基礎(chǔ)知識(shí)；第二部分包括第3章至第5章，介紹了一些基于矩陣分解的信息融合方法；第三部分包括第6章和第7章，介紹了一些經(jīng)典的異構(gòu)網(wǎng)絡(luò)模塊識(shí)別算法，并總結(jié)了該領(lǐng)域的若干研究趨勢(shì)。該書重點(diǎn)是第3章至第5章，該部分內(nèi)容由淺入深、逐層遞進(jìn)，讀者在閱讀這部分內(nèi)容時(shí)，需具備一定的高等數(shù)學(xué)、線性代數(shù)知識(shí)。該書內(nèi)容主要來(lái)源于筆者攻讀博士學(xué)位期間的工作和在看文獻(xiàn)的過(guò)程中萌生出的一系列想法，因此，有必要將該書的主要體系結(jié)構(gòu)和特色做一簡(jiǎn)單說(shuō)明，以區(qū)別于其他信息融合和機(jī)器學(xué)習(xí)著作。該書主要針對(duì)現(xiàn)有信息融合方法中的不足，分別研究了基于對(duì)稱非負(fù)矩陣分解的信息融合模型、考慮圖正則化的對(duì)稱非負(fù)矩陣分解融合模型和基于對(duì)稱非負(fù)矩陣分解的預(yù)測(cè)模型，并將其應(yīng)用到跨模態(tài)信息檢索任務(wù)中。

作者簡(jiǎn)介

　　馬園園，男，博士，主要研究領(lǐng)域：機(jī)器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、生物信息學(xué)等，目前就職于安陽(yáng)師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院，從事信息分析、信息組織與檢索教學(xué)、科研等工作，近3年來(lái)，在國(guó)際主流會(huì)議和期刊上發(fā)表論文8篇，擔(dān)任多個(gè)國(guó)際SCI期刊審稿人。

圖書目錄

1 緒論
1．1 研究背景與研究意義
1．1．1 研究背景
1．1．2 研究意義
1．2 國(guó)內(nèi)外研究進(jìn)展
1．2．1 信息融合研究現(xiàn)狀述評(píng)
1．2．2 基于機(jī)器學(xué)習(xí)的信息融合研究現(xiàn)狀述評(píng)
1．2．3 存在的主要問(wèn)題
1．3 研究?jī)?nèi)容與本書結(jié)構(gòu)
1．3．1 研究?jī)?nèi)容
1．3．2 本書結(jié)構(gòu)
1．4 本書主要貢獻(xiàn)
2 信息融合相關(guān)理論
2．1 信息融合概念與原理
2．1．1 信息融合概念
2．1．2 信息融合原理
2．2 信息融合策略
2．2．1 早期融合
2．2．2 中期融合
2．2．3 后期融合
2．3 子空間學(xué)習(xí)理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負(fù)矩陣分解
2．3．3 一致的多視角非負(fù)矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結(jié)
3 基于對(duì)稱非負(fù)矩陣分解的信息融合模型
3．1 對(duì)稱非負(fù)矩陣分解
3．1．1 相似性度量
3．1．2 目標(biāo)函數(shù)與優(yōu)化
3．2 SNMF與核K均值聚類、譜聚類的等效性
3．2．1 核K均值聚類
3．2．2 譜聚類
3．2．3 實(shí)例
3．3 基于對(duì)稱非負(fù)矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設(shè)和一致性矩陣表述
3．3．3 基于對(duì)稱非負(fù)矩陣分解的聚類融合模型的建立
3．3．4 算法優(yōu)化
3．4 實(shí)例分析與討論
3．4．1 數(shù)據(jù)集描述與預(yù)處理
3．4．2 實(shí)驗(yàn)結(jié)果
3．4．3 分析與討論
3．5 本章小結(jié)
4 考慮圖正則化的對(duì)稱非負(fù)矩陣分解信息融合模型
4．1 正則化思想
4．1．1 正則化理論
4．1．2 圖正則化框架
4．2 基于Laplacian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設(shè)
4．2．3 基于Laplacian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．2．4 算法優(yōu)化
4．2．5 實(shí)例分析與討論
4．3 基于Hessian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設(shè)和定義
4．3．3 基于Hessian正則化的對(duì)稱非負(fù)矩陣分解融合模型
4．3．4 算法優(yōu)化
4．3．5 實(shí)例分析與討論
4．4 基于對(duì)稱非負(fù)矩陣分解的預(yù)測(cè)模型
4．4．1 基于對(duì)稱非負(fù)矩陣分解的實(shí)時(shí)樣本預(yù)測(cè)模型
4．4．2 實(shí)驗(yàn)分析與討論
4．5 本章小結(jié)
……
5 基于對(duì)稱非負(fù)矩陣分解融合模型在跨模態(tài)檢索中的應(yīng)用
6 其他多視角信息融合模型及應(yīng)用
7 總結(jié)與展望
參考文獻(xiàn)
附錄
致謝